Wie kommt man zu effektivem Datenmanagement?
Klare und saubere Informationen durch zentralisierte BI-Systeme zeitnah an alle relevante Abteilungen zu liefern, setzt formelle Prozesse voraus, mit denen die Nutzeranforderungen an den Datenzugriff erhoben werden können. 70 Prozent der Klassenbesten haben solche Prozesse etabliert, deutlich mehr als unter den Trödlern. Zudem wenden sie fast doppelt so oft formelle Prozesse zum Anreichern der Daten mit zusätzlichen Informationen (zum Beispiel über Data Mining) und zum Bereinigen der Bestände an. Der erste Schritt in Richtung eines ganzheitlichen Datenmanagements ist also die Definition dieser formellen Prozesse.
Auf der Organisationsebene hat sich gezeigt, dass eine datengetriebene Unternehmenskultur in der Führungsriege ihren Ursprung nehmen und hierarchisch nach unten durchgesetzt werden muss. Voraussetzung sind Richtlinien, die alle Mitarbeiter zu datengetrieben Entscheidungen auffordern und so die Qualität der Analyse-basierenden Entscheidungen verbessern. Der Zusammenhang zwischen dem Geschäftserfolg und solchen Richtlinien ist evident: Ein Klassenprimus hat mit einer 2,7 mal höheren Wahrscheinlichkeit eine faktenbasierende und datengetriebene Entscheidungskultur als ein Trödler.
Auf der Leistungsebene zeigt sich, dass Erfolgskontrolle entscheidend ist. Die besten Unternehmen erheben exakt die Anforderungen der einzelnen Abteilungen an die Business-Daten und beobachten, wie häufig, von wem und wann BI-Werkzeuge effektiv eingesetzt werden. Die Trödler dagegen erheben den Einsatz ihrer BI-Werkzeuge so gut wie gar nicht und verpassen dadurch die Chance, BI-Tools effizienter zu nutzen.
Eine Reihe von Techniken, mit denen sich Daten für den Einsatz in BI-Systemen aufbereiten lassen, hat sich als hilfreich erwiesen. Basisaufgabe ist es, die Daten so zu präparieren, dass sie überhaupt erst in ein BI-System eingespeist werden können. Auch das Säubern der Daten und das Entfernen unbenutzbarer Informationen (beschädigte, veraltete Daten) gehört dazu. Natürlich geht es auch darum, die Daten wieder herauszuholen. Dabei spielen Datenmodellierungs- und Data-Mining-Tools eine wichtige Rolle. Mit ihnen lassen sich letztendlich zusätzliche Informationen generieren, die nicht explizit in den Daten vorhanden waren.
Ein Problem, das Unternehmen aller Größenordnungen haben, ist das Ansprechen und Abfragen großer Datenmengen. Die Klassenbesten sind imstande, mit durchschnittlich rund 30 Terabyte beinahe doppelt so große Datenmengen anzusprechen wie die Trödler (18 TB). Zudem erfahren die Besten eine um den Faktor zehn kürzere Ausführungszeit der Abfragen (zwei Minuten) auf die genannten Datenmengen gegenüber dem Industriestandard und den Trödlern (22 Minuten). Das belegt die überlegene analytische In-house-Entwicklung der Klassenbesten.